بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملAWS Machine Learning Blog→ المصدر

Stream Vision Agents مع Amazon Nova 2 Sonic: روبوتات صوتية جاهزة للإنتاج في دقائق

Stream Vision Agents إطار عمل مفتوح المصدر. وعند دمجه مع Amazon Nova 2 Sonic على منصة Amazon Bedrock، يمكن تشغيل وكيل صوتي جاهز للإنتاج خلال دقائق، دون بنية تحتية معقدة ودون خوادم. أبرز الإمكانات: استدعاء الدوال (function calling) لتشغيل واجهات API الخاصة بك، وإعادة الاتصال التلقائية عند انقطاع الاتصال، ودعم أكثر من عشرين لغة، ومعالجة البث الصوتي في الوقت الفعلي. الشيفرة المصدرية الكاملة والدليل التفصيلي متاحان في وثائق AWS.

معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
Stream Vision Agents مع Amazon Nova 2 Sonic: روبوتات صوتية جاهزة للإنتاج في دقائق
المصدر: AWS Machine Learning Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليAWS Machine Learning Blog ↗
رئيس التحرير
حقيقة رئيسية #1إعادة الاتصال التلقائية — عند انقطاع الاتصال يعيد الوكيل الاتصال بشفافية، دون فقدان سياق المحادثة.
حقيقة رئيسية #2الدعم متعدد اللغات — يعمل مع أكثر من 20 لغة في آنٍ واحد: الروسية والإنجليزية والصينية والإسبانية وغيرها.
حقيقة رئيسية #3معالجة البث الصوتي — تُعالَج الأصوات في الوقت الفعلي دون طوابير انتظار أو تأخير. ويُقاس زمن الاستجابة بالميلي ثانية.

تتيح Stream Vision Agents وAmazon Nova 2 Sonic بناء وكلاء صوتيين جاهزين للإنتاج (production-ready) وتشغيلهم في دقائق معدودة. ويؤدي دمج إطار العمل مفتوح المصدر Stream مع النموذج السحابي Nova 2 Sonic عبر منصة Amazon Bedrock إلى إتاحة الذكاء الاصطناعي لشريحة أوسع، إذ يستطيع المهندسون البدء ببناء واجهات صوتية متكاملة دون شهور من التطوير.

ما الذي تغيّر في الذكاء الاصطناعي في الوقت الفعلي

كان بناء وكيل صوتي جاهز للإنتاج يتطلب في السابق جهدًا كبيرًا. فكان لا بد من إعداد التعرّف على الكلام، وربطه بنموذج لغوي، ومعالجة البيانات المتدفقة، وتنفيذ آلية للتعافي من انقطاع الاتصال، وتدريب الوكيل على العمل مع واجهات API الخاصة بتطبيقك. وكان كل مكوّن من هذه المكوّنات يحتاج إلى خبرة منفصلة.

يختصر Stream Vision Agents هذه العملية كلها في تكامل واحد. ويعمل إطار العمل فوق Amazon Nova 2 Sonic، وهو نموذج سريع وبسعر مناسب، ويلائم المهام الصوتية في الوقت الفعلي التي تتطلب زمن استجابة منخفضًا. وتوفّر Amazon Bedrock واجهة سحابية، لذا لا تحتاج إلى إدارة الخوادم أو توسيع البنية التحتية يدويًا.

مكوّنات الحل

Stream Vision Agents إطار عمل مفتوح المصدر يوحّد التعامل مع البث الصوتي والنماذج الصوتية. ويتولى التفاصيل منخفضة المستوى: تخزين إطارات الصوت مؤقتًا، والمزامنة مع النموذج، ومعالجة أخطاء نقل البيانات.

أما Amazon Nova 2 Sonic فهو نموذج لغوي مدمج، محسَّن للسرعة. فهو يولّد الردود النصية بسرعة، وتكلفته أقل بكثير من النماذج الكبيرة. وعلى منصة Amazon Bedrock يصبح النموذج متاحًا عبر واجهة API موحّدة مع توسيع تلقائي للقدرة.

ما الذي يستطيع الوكيل فعله

  • استدعاء الدوال (Function calling) — يستدعي الوكيل دوالّك وواجهات API والخدمات الخارجية. على سبيل المثال: التحقق من رصيد الحساب، وطلب التوصيل، والحصول على الجدول الزمني، وتحديث قاعدة البيانات.
  • إعادة الاتصال التلقائية — عند انقطاع الاتصال يعيد الوكيل الاتصال بشفافية، دون فقدان سياق المحادثة.
  • الدعم متعدد اللغات — يعمل مع أكثر من 20 لغة في آنٍ واحد: الروسية والإنجليزية والصينية والإسبانية وغيرها.
  • معالجة البث الصوتي — تُعالَج الأصوات في الوقت الفعلي دون طوابير انتظار أو تأخير. ويُقاس زمن الاستجابة بالميلي ثانية.
  • الوعي بالسياق — يتذكر الوكيل مجرى المحادثة ويجيب عن الأسئلة اللاحقة مراعيًا السياق.

أين يمكن أن يعمل

في الخدمات المالية، يجيب الوكيل الصوتي عن الأسئلة المتعلقة بالحسابات والتحويلات. وفي التجارة الإلكترونية، يساعد في العثور على المنتج وإتمام الطلب. وفي خدمة الدعم، يجيب عن الأسئلة المعتادة ويحيل الحالات المعقدة إلى موظف بشري. أما في الرعاية الصحية والخدمات اللوجستية والتعليم، فتعمل الآلية نفسها: الاستماع إلى المستخدم، واستدعاء واجهات API المطلوبة، وتقديم إجابة متماسكة بالصوت.

ماذا يعني ذلك

يخرج الذكاء الاصطناعي الصوتي من المختبرات إلى المنتجات الفعلية. وبالنسبة للأعمال، يعني ذلك إضافة قناة تفاعل صوتية دون استثمارات كبيرة في البحث والتطوير (R&D). أما بالنسبة للمهندسين، فيعني شيفرة boilerplate أقل ووقتًا أكبر لمنطق التطبيق. ويزيل Stream Vision Agents العائق التقني الذي كان ينفّر سابقًا من الذكاء الاصطناعي في الوقت الفعلي.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر في الذكاء الاصطناعي في الوقت الفعلي؟

كان بناء وكيل صوتي جاهز للإنتاج يتطلب في السابق جهدًا كبيرًا. فكان لا بد من إعداد التعرّف على الكلام، وربطه بنموذج لغوي، ومعالجة البيانات المتدفقة، وتنفيذ آلية للتعافي من انقطاع الاتصال، وتدريب الوكيل على العمل مع واجهات API الخاصة بتطبيقك. وكان كل مكوّن من هذه المكوّنات يحتاج إلى خبرة منفصلة. يختصر Stream Vision Agents هذه العملية كلها في تكامل واحد. ويعمل إطار العمل فوق Amazon Nova 2 Sonic، وهو نموذج سريع وبسعر مناسب، ويلائم المهام الصوتية في الوقت الفعلي التي تتطلب زمن استجابة منخفضًا.

ما أبرز التفاصيل حول مكوّنات الحل؟

Stream Vision Agents إطار عمل مفتوح المصدر يوحّد التعامل مع البث الصوتي والنماذج الصوتية. ويتولى التفاصيل منخفضة المستوى: تخزين إطارات الصوت مؤقتًا، والمزامنة مع النموذج، ومعالجة أخطاء نقل البيانات. أما Amazon Nova 2 Sonic فهو نموذج لغوي مدمج، محسَّن للسرعة. فهو يولّد الردود النصية بسرعة، وتكلفته أقل بكثير من النماذج الكبيرة. وعلى منصة Amazon Bedrock يصبح النموذج متاحًا عبر واجهة API موحّدة مع توسيع تلقائي للقدرة.

ما أبرز التفاصيل حول ما الذي يستطيع الوكيل فعله؟

استدعاء الدوال (Function calling) — يستدعي الوكيل دوالّك وواجهات API والخدمات الخارجية. على سبيل المثال: التحقق من رصيد الحساب، وطلب التوصيل، والحصول على الجدول الزمني، وتحديث قاعدة البيانات. إعادة الاتصال التلقائية — عند انقطاع الاتصال يعيد الوكيل الاتصال بشفافية، دون فقدان سياق المحادثة. الدعم متعدد اللغات — يعمل مع أكثر من 20 لغة في آنٍ واحد: الروسية والإنجليزية والصينية والإسبانية وغيرها. معالجة البث الصوتي — تُعالَج الأصوات في الوقت الفعلي دون طوابير انتظار أو تأخير. ويُقاس زمن الاستجابة بالميلي ثانية.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…